Flow adhesion of whole blood to P‐selectin: a prognostic biomarker for vaso‐occlusive crisis in sickle cell disease
Notice bibliographique
Résumé
Blood cell adhesion to P-selectin and vascular cell adhesion molecule-1 (VCAM-1) contributes to the pathophysiology of vaso-occlusion crisis (VOC) events in individuals with sickle cell disease (SCD). We evaluated the use of standardized flow adhesion biomarkers in a six-month, 35-subjects longitudinal study (ELIPSIS). Flow adhesion of whole blood on P-selectin (FA-WB-Psel) and VCAM1 (FA-WB-VCAM), and of isolated white blood cells on P-selectin (FA-WBC-Psel) and VCAM-1 (FA-WBC-VCAM) were elevated on VOC days compared with non-VOC days, but only FA-WB-Psel reached statistical significance (P = 0·015). Optimal cut-off values were established with Cox regression models for FA-WB-Psel [46 cells/mm²; hazard ratio (HR): 2·3; 95% confidence interval (CI):1·4-4·0; P = 0·01] and FA-WB-VCAM (408 cells/mm², HR:1·8; 95% CI: 0·9-3·45; P = 0·01). A combined (FA-WB-Psel and FA-WB-VCAM) multimarker risk score was also significantly (P = 0·0006) correlated with VOC risk that was two-fold higher for intermediate and 5·64-fold higher for high score. The concordance (C)-index for the multimarker score was 0·63 in the six-month period (95% CI: 0·56-0·70), indicating a better ability to distinguish patient risk of VOC, compared to individual biomarkers FA-WB-VCAM (C-index: 0·57; 95% CI: 0·49-0·65) or FA-WB-Psel (C-index: 0·58; 95% CI: 0·53-0·62). The presented multimarker score can be used to risk-stratify individuals with SCD during their steady state into low, intermediate, and high-risk strata for self-reported VOCs. Such risk stratification could help focus healthcare resources more efficiently to maintiain health, personalize treatment selection to each patient's individual needs, and potentially reduce healthcare costs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».